spss 实用回归分析多元线性回归模型研究货运总量与工业总产值4.8题

最新推荐文章于 2025-04-07 16:08:49 发布

别宝贝

最新推荐文章于 2025-04-07 16:08:49 发布

阅读量1.3w

点赞数 20

文章标签：矩阵

本文链接：https://blog.csdn.net/weixin_41612495/article/details/105723711

版权

使用SPSS进行货运总量与工业总产值的多元线性回归分析，得到相关系数矩阵，建立了三元线性回归方程，并进行了拟合优度、显著性、回归系数显著性等检验。结果显示，X2的回归系数显著，X1和X3不显著，最终优化回归方程中，X1和X2对y有显著的线性影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

4.8 (1)计算y,X1,X2,X3的相关系数矩阵

分析>-相关>-双变量>-拖入变量>-其他保持默认

输出结果

相关性
		货运总量	工业总产值	农业总产值	居民非商品支出
货运总量	皮尔逊相关性	1	.556	.731*	.724*
	Sig.（双尾）		.095	.016	.018
	个案数	10	10	10	10
工业总产值	皮尔逊相关性	.556	1	.113	.398
	Sig.（双尾）	.095		.756	.254
	个案数	10	10	10	10
农业总产值	皮尔逊相关性	.731*	.113	1	.547
	Sig.（双尾）	.016	.756		.101
	个案数	10	10	10	10
居民非商品支出	皮尔逊相关性	.724*	.398	.547	1
	Sig.（双尾）	.018	.254	.101
	个案数	10	10	10	10
*. 在 0.05 级别（双尾），相关性显著。

每行皮尔逊相关性组成相关矩阵

$r=\begin{bmatrix} 1.000&0.556 & 0.731 &0.724 \\ 0.556& 1.000 &0.113 &0.398 \\ 0.731 & 0.113 &1.000 & 0.547\\ 0.724&0.398 & 0.547 &1.000 \end{bmatrix}$